华中科技大学团队开发主动脉夹层智能诊断系统，准确率达94%
华中科技大学团队开发主动脉夹层智能诊断系统，准确率达94%
华中科技大学张海涛教授团队与同济医院魏翔教授团队在主动脉夹层自动诊断领域取得重要突破。他们开发的智能诊断系统通过深度学习技术，实现了主动脉夹层的精准分类和直径测量，为临床诊断提供了有力支持。
主动脉夹层是最具致命性的心血管疾病之一，具有很高的死亡率。其在人群中的患病率为0.2%到0.8%，及时诊断是为患者生命争取时间的关键。胸腹主动脉CTA是诊断主动脉夹层的最有效手段，但人工的精确检测依赖丰富的专家知识，在一些医疗资源欠缺的地区容易导致漏诊、误诊。
为此，研究团队开发了一种能够识别和分类主动脉夹层类型并测量主动脉直径的自动诊断系统。他们从武汉同济医院心血管外科采集了279例CTA影像，从中提取了61,190张扫描图像。该数据集提供了对难以识别特征的切片级归纳，有助于提高对主动脉夹层的识别和分类的准确性。
图1：研究团队采集的CTA影像数据集
作者从患者断层扫描入手，进而评估整体的患病状况。借助两阶段的深度学习网络，在切片层面对血管的状况进行分段和分类。进而从切片的患病得分计算得到整体的患病分析情况，实现对主动脉夹层的诊断以及DeBakey分型。同时能在切片层级对主动脉的直径进行测量，开发出一个双功能的系统。
图2：系统的技术路线图
研究团队在切片层面对采集的数据进行了分析，归纳出了包含内部阴影、伪影等在内的6种干扰特征。通过在训练过程中将其中的一类干扰引入，有效提升了该系统在切片层级对夹层的检测精度，提升了患者级的诊断和分类性能，主动脉夹层分型的F1分数为0.94。
该系统在65例患者身上进行验证，其建议的手术治疗方法与经验丰富的临床医生实际采用的方法的平均一致性达到了88.6%。这一研究成果有望帮助更多主动脉夹层患者获得及时准确的诊断，并接受合适的手术治疗。
该研究成果已发表在《Engineering》期刊上，论文标题为《A Dual-Functional System for the Classification and Diameter Measurement of Aortic Dissections Using CTA Volumes via Deep Learning》。